今年5月，英伟达CEO黄仁勋表示，下一代人工智能基础设施将需要大量光学连接，快速增长的计算需求正让铜线逼近瓶颈。
类似的判断，中科创星创始合伙人米磊在2016年AlphaGo战胜李世石后就开始提及：“光是人工智能基础设施。”在他看来，互联网崛起离不开光通信铺设的信息高速公路；进入AI时代，随着GPU集群不断扩大，芯片间的数据交换再次成为制约算力效率的关键环节。
十年前的判断，正在与今天的产业变化逐渐合流。近日，在好望角科学沙龙剑桥大学专场上，来自国内外科研、产业和投资领域的嘉宾，将目光投向同一个问题：AI时代，光子技术将走向哪里？
光，靠近GPU
一枚GPU算得再快，也得不停和周围的GPU交换数据。随着AI集群越建越大，“怎么算”之外，“数据怎么走”开始越来越重要。
“光子集成技术正将原本庞大复杂的光学系统浓缩到微小芯片之中，并借助成熟的半导体制造工艺，为高带宽、低功耗、可规模化制造的光电子系统开辟道路。”英国皇家工程院院士、剑桥大学副校长理查德·彭迪（Richard Penty）以《面向光交换、光传感与光计算的先进光子集成芯片》为题，介绍了硅基光电子技术的发展脉络与应用进展。
眼下，AI数据中心正成为这项技术向前推进的重要动力。过去，光更多负责把数据传得远。当成千上万枚GPU组成越来越庞大的计算集群，连接本身也成了算力的一部分。训练和推理任务不同，GPU之间需要的数据通路也会变化。越靠近计算侧，留给网络重新组织连接的时间就越短。
光交换由此开始向GPU靠近。“面对人工智能算力增长与通信能力之间的不匹配，纳秒级光交换能够灵活调整连接关系，为缓解处理器等待数据、提升互联效率提供新的技术路径。”彭迪说。
国际产业界已经开始沿着这条路线布局。Google的Jupiter数据中心网络引入光电路交换技术，通过动态重构光路调整网络连接；英伟达也已发布硅光子网络交换方案。光连接正在从数据中心、机柜之间继续向计算核心深入。
除了让数据“跑得更快”，光还在帮助机器感知更细微的信息。从工业检测到个人健康管理，一台曾经占据实验台的光谱仪，正在尝试被“缩”进越来越小的终端。
原理并不难理解。不同物质对不同波长的光有不同响应，由此形成各自的光谱“指纹”。过去，读取这些“指纹”往往依赖大型专业设备；随着光子集成技术发展，原本分散在复杂光学系统中的功能被不断压缩进芯片，光谱分析也开始走出实验室。
彭迪介绍，相关技术已经用于材料识别、溶液浓度测量，并进一步向人体生物标志物的无创检测拓展，包括血糖等指标的研究。“在传感领域，芯片级光谱仪推动光谱分析从实验室台式设备走向便携式乃至可穿戴终端，使通过分子光谱‘指纹’识别物质、测量成分成为日常应用的可能。”
再往前一步，光还可能直接参与计算。彭迪介绍了利用光的传播与干涉完成数学运算、加速人工智能任务的研究，以及兼具计算与交换功能的光子芯片探索。大带宽、低能耗让光计算拥有吸引力，但计算精度、器件误差和系统集成等问题仍待解决。通过异质集成融合不同材料的优势，并推动器件、架构与算法协同发展，仍是这条路线继续向前必须跨过的关口。
芯片之后，还有产品
如果说彭迪更多展示了光子集成技术正在打开哪些可能，程祺翔关注的则是另一个更具体的问题：一枚光子芯片，怎样真正变成可以使用的产品？
剑桥大学副教授、光引科技创始人程祺翔以《从光子芯片到产品：光传感与高速光交换的产业化进展》为主题进行分享，围绕高速光交换与光谱传感两大方向，展示了从核心芯片、封装模组到整机及应用方案的技术产业化进展。
在程祺翔看来，随着混合专家模型发展和超节点向跨机柜扩展，人工智能集群在追求高带宽传输的同时，也需要更灵活、更快速的动态连接。无论训练还是推理，越靠近计算侧，通信与连接重构所需适配的时间窗口就越短。围绕这一需求，程祺翔展示了团队的高速电光交换芯片、16×16电光OCS模组及整机产品，以纳秒级光路切换缩短连接重构期间的等待，为提升GPU利用率和推理响应效率提供支持。
芯片级光谱仪如何真正走出实验室，程祺翔带来了一个更直观的例子。团队将片上光谱技术集成到手持设备中，研发出皮肤检测产品“肌光仪”；与此同时，多指标血清光谱分析方案也在持续验证中。
离规模化还有多远
有了产品，并不意味着已经走到规模化的终点。光互联、光传感、光计算都在加速发展，但成熟度并不处在同一条线上。有些技术已经进入数据中心和产品，有些正在工程验证，还有一些仍需要继续解决材料、精度、成本和系统集成问题。AI带来的需求很急，技术本身却仍有各自的节奏。
“越接近产品，问题也越具体。”在沙龙对话环节，嘉宾们谈到一个现实变化，实验室里验证一项器件性能只是其中一步，往后还有封装、成本、可靠性、制造能力和供应链。对于光计算而言，精度与光电转换仍要继续解决；对于光传感而言，如何同时兼顾波段、分辨率和价格，也决定着一枚芯片最终能否真正进入消费终端。
产业需求正在把这些问题提前摆到科研人员面前。一项技术可能仍在解决基础问题，下游已经开始询问何时能够进入系统；一枚芯片刚完成原型验证，下一步就要面对量产成本和应用适配。科研与产业之间过去相对清晰的界面，正在一些前沿赛道上变得越来越近。
这也让眼下的“光子热”多了一层分寸感。AI正在把光推向新的技术中心，但光互联、光传感和光计算仍处在不同的发展阶段。从实验室走向规模化应用，材料、精度、成本和系统集成等一道道工程关仍要逐一跨过。
“好望角科学沙龙”这一科创融合公益活动致力于打通学术界与产业界的“鸿沟”，通过跨界交流与碰撞，探索科技创新的新范式与新路径。
